Aktuální vydání

celé číslo

07

2024

Elektrické, hydraulické a pneumatické pohony; polohovací mechanismy

Kamerové systémy a zpracování obrazu

celé číslo

Strojové vědomí a biomorfní průmysl

Stávající průmyslová výroba v podobě, jak ji známe dnes, pomalu naráží na své hranice: na jedné straně na ekologické a aktuálně i energetické limity, na druhé si neví rady s vysokou volatilitou. Ceny vstupů se den ze dne mění o desítky procent, cenové kalkulace finálních výrobků neodrážejí vstupní náklady a přiměřený zisk. Co je kořenem současných problémů? Je možné uvažovat o nějaké nové, lepší verzi průmyslu pro 21. století? Ano, možné to je.

 

1. Aktuální podoba průmyslu

Aktuální podoba průmyslu vychází z mechanistického přístupu a je stará více než tři století.

Na jedné straně jsou „fyzické prvky“ – výrobní stroje, budovy, pozemky, energetické zdroje, materiál, materiálové toky, lidi vykonávající práci atd., na druhé straně systémy řízení, založené na lidech a jejich nástrojích řízení (z nichž nejdůležitější jsou podvojné účetnictví a manažerský kontroling), dále na digitálních systémech, relativně pasivně podporujících obchodní a výrobní procesy. Organizaci výroby tedy určují tři základní komponenty:

  • fyzické stroje (mechanismy – termodynamické systémy), přeměňující materiál a energii do hodnotnější podoby – polotovaru či koncového výrobku,
  • informační systémy založené na sběru, skladování a deterministickém zpracování dat tak, aby bylo možné udržet obchodní a výrobní procesy v jistém standardu definovaném ekonomicky artikulovanými záměry manažerů,
  • člověk jako spojující prvek mezi světem „termodynamiky“ a „informace“ ve výrobním procesu.

Člověk tu vystupuje hned ve dvojí roli: jako rozhodovatel, protože díky hierarchické pyramidě řízení na každém stupni rozhoduje o budoucích činnostech a jim přidělených zdrojích, a jako vykonavatel, kdy realizuje s jistou mírou přesnosti svěřené úkoly a posouvá výrobní proces do dalších fází.

Tento model má několik problémů. Uveďme nejprve ty u strojů – termodynamických systémů:

  • jde o stroje pracující na základě mechanických pravidel, a přestože je jejich ovládání programováno (PLC), nedisponují žádnou inteligencí1),
  • ovládání je primárně zaměřeno na zpracování materiálu v rámci materiálového toku, je odmýšleno od reflexe stavu zařízení, řízení odpadů, času zpracování ve vazbě např. na cenu energií,
  • výrobní prvek (frézka, lis, soustruh) je pořizován a využíván většinou samostatně bez vazby na své prostředí – chápání výrobního procesu je lineární,
  • souhrnně lze napsat, že termodynamické systémy neumějí zpracovávat data a nejsou schopny učení,
  • většinou nejsou využívány v maximální možné míře, produkují nadměrné množství odpadů a spotřebovávají příliš mnoho energie,
  • optimalizace probíhají lokálně.

U informačních systémů jsou to tyto problémy:

  • jde o systémy založené na lineární syntaktické architektuře (viz níže),
  • informační systémy v průmyslu jsou striktně deterministické, neschopné zpracovávat nestandardní situace mimo standardizované procesy (tradiční systém ERP vychází z tzv. nejlepších praxí – tedy strukturuje procesy, většinou podpůrné, tak, aby celkem přinášely co největší efektivitu, nicméně je málo vhodný k podpoře jedinečných hodnototvorných procesů a kusových řešení; lze mluvit o tom, že zde jsou „procesy pevně zakódovány v systému“, avšak v rea­litě se procesy musí vyrovnávat s různými nestandardními situacemi – tedy „systém by měl být otevřen změnám procesů“ ideál­ně v reálném čase, podle potřeby),
  • pracuje se se statickými daty, která si systémy ukládají především do relačních databází a prostřednictvím komplikovaných struktur je pak převádějí na „informace“ – tedy většinou číselná či vizuální shrnutí (obrazovky), na základě nichž jednají a rozhodují lidé,
  • v informačních systémech jde o prioritu „softwaru“, který běží na abstrahovaném „hardwaru“ (výpočetní centrum, cloud) a naviguje jednání člověka,
  • data jsou uložena v neintegrovaných datových silech na pozadí (šedá či temná data) a jsou využitelná jen lokálně v softwarově definovaném procesu.

U lidí v roli rozhodovatele jsou to tyto problémy:

  • jsou klíčovými řídicími prvky a integrátory informací na určité úrovni řízení – „informace“ pro své rozhodování však získávají z informačních systémů prostřednictvím obrazovek, a proto jsou v rozhodování značně neefektivní – komplexnější dynamické procesy s velkým množstvím proměnných nejsou lidé schopni paralelně sledovat (zkušenost u zákazníků),
  • člověk se relativně rychle unaví a dělá chyby,
  • člověk není přímou součástí výrobního procesu – vstupuje do něj v roli manažera či zaměstnance a následně z něj vystupuje, a proto dochází k jisté fragmentaci výrobních procesů,
  • výrobní procesy jsou prvotně lineární a často fragmentované také proto, že lidé uvažují sekvenčně a jsou zaměřeni na svůj konkrétní soubor úkolů.

U lidí v roli vykonavatele jde o tyto problémy:

  • chybovost, nevýkonnost, únava ve srovnání s automatizovanými pracovišti a roboty,
  • možnost poškození zdraví,
  • monotónnost svěřené práce, demotivace.

Uvedené výrobní paradigma je možné nazvat jako „mechanistické“, tedy pojímající vše prizmatem „mechanismu“, neboť spočívá na oddělení „hardwaru“ a „softwaru“, kde s výrobním hardwarem operuje v prostoru prostřednictvím lidského myšlení a podpůrného softwaru. Rozdělení na živou věc myslící a na neživou věc prostorovou lze vztáhnout k myšlenkám Reného Descarta (1596–1650), který jako první formuloval zásady vědecké metody a byl rozhodující postavou vědeckotechnické revoluce (René Descartes nebyl karteziánský dualista). Aktuálně je možné říci, že ve výrobě lidský faktor (první forma softwaru – res cogitans) a podpůrný informační software (druhá forma softwaru) manipulují s rozprostraněnými věcmi (res extensa). Toto dnes samozřejmé výrobní paradigma je založeno na redukcio­nistickém mechanicko-atomickém vidění světa, jehož kořeny je možné hledat ve spekulativní vizi Demokrita z Abdér (přibližně 460–370 př. n. l.), kde za skutečnost jsou objektivně považovány pouze malé nedělitelné prvky – atomy. Zvuky, barvy, pocity jsou jen epifenomény primárních kombinací atomů.

 

2. Mechanistické paradigma a informatika

Nástup mechanicko-atomického chápání světa do obecného povědomí lze identifikovat s matematizací přirozeného světa na počátku novověku podle Galilea Galileiho (1564–1642). Matematizace reálného světa prostřednictvím exaktního prostoru geometrie vedla k podvržení matematicky uchopitelných idealit za reálně žitý svět a vedla k redukci komplexní příčinnosti2) na pouhou příčinu účinnou a tím umožnila dogmatizaci jednoho aspektu skutečnosti (matematičnost) jako skutečnosti samé – pravé skutečnosti jediné skutečné3). Isac Newton (1624–1727), který ve své publikaci Matematické principy přírodní filosofie položil základy klasické mechaniky, umožnil, aby moderní věda a následná průmyslová revoluce ovládly síly přírody ve prospěch člověka4). Cenou za záměnu bytí za metodu, kde proměny kvalit jsou závislé pouze na tom, co se kauzálně mechanicky odehrává v geometrickém světě, bylo uznání matematicky transparentního „mechanismu“ jako jediného legitimně vysvětlujícího přístupu k celé skutečnosti5) a s tím spojená redukce všeho neempirického a nematematizovatelného.

Je-li přijata teze o nutnosti změny výrobního paradigmatu, tak je nutné si položit otázku po změně teoretických základů. Co se může stát alternativním teoretickým základem výkladu světa namísto matematicko-kauzálně uchopitelných mechanismů? Jak by mohlo být definováno nové a lepší výrobní paradigma?

Prvotním impulzem ke změně paradigmatu může být širší chápání informace jako integrálního prvku „nové“ fyzikální teorie6), jak jej prezentuje Hans Christian von Bayer: „Informace se vztahuje především k formování či modelování ještě nezformované masy. Otázka po významu informace se dá tedy redukovat na základní otázku – co je to forma?“7) Podobným způsobem o informaci uvažuje Tom Stonier, pro kterého je informace základem informační fyziky: „Obvykle je pojem informace chápán jako data nebo „fakta“ organizovaná do souvislé struktury. Avšak hranice zde byly vždy neostré… Jestliže je informace nezávislá realita, pak význam naopak nezávislou realitou není. Význam s sebou přináší interpretaci informace ve vztahu k nějakému kontextu… Proto nesmíme zaměňovat detekci a interpretaci informace s informací samotnou… Informace je fyzikálně zakódovaná jako struktura organizace.“8) Věda o informacích, informatika, se tak snad jeví možným základem nového výrobního paradigmatu. Ve vztahu k výrobě si pak lze následně položit dvě otázky:

  • Jak dynamicky (z)formovat díky informatice ideálně výrobní prostředí pro spíše malosériovou či kusovou výrobu tak, aby byla kontinuálně efektivní?9)
  • Jakým způsobem tuto výrobu pomocí informatiky co nejlépe řídit?

Z uvedené kritiky současného typu průmyslu je zřejmé, že aktuální digitalizační přístupy nejsou dostatečné (existuje však spektrum dotačních programů takovou digitalizaci podporujících). Je chvályhodné pomoci malým a středním firmám s nahrazením fragmentovaných excelových tabulek integrovaným systémem ERP, nicméně tyto systémy jsou padesát let staré a žádný zlomový efekt nepřinášejí. Proč? Je možné letmo přehlédnout základy dnešní informatiky, které tvoří:

  • Turingův stroj – univerzální výpočetní model, na jehož základě je možné určit, zda lze vyřešit určitý problém a kolik zdrojů k jeho zdolání je zapotřebí. Turingův stroj se skládá ze zapisovací pásky (jednoduché paměti), na kterou zapisuje výsledky po sobě následujících instrukcí10).
  • Shannonova teorie informace – zabývá se přenosem zpráv komunikačním kanálem, kde je informace chápána jako míra odstranění neurčitosti nebo nejistoty o výsledku nějakého děje s tím, že vlastní mírou neurčitosti je informační entropie. Shannon oddělil syntaktickou (strukturální) část zprávy od sémantické (významové), zprávu dále rozdělil na nejmenší významotvorné jednotky – znaky, přičemž ty lze kódovat prostřednictvím dvojkových číslic – bitů. Jeden bit nese informaci odpovědi na otázku: ano či ne11). Svou převratnou prací nastartoval digitální éru12).
  • Hardware a von Neumannova výpočetní architektura – za hardware je označována fyzicky existující báze počítače. Stávající hardware je realizován většinou na základě von Neumannovy koncepce, neboť první počítače měly programové instrukce realizované fyzicky a jejich změna znamenala nutnou změnu hardwaru stroje. Proto přišel matematik John von Neumann s koncepcí výpočetního stroje s uloženým programem. Ten využívá jednu sběrnici, ke které jsou připojeny všechny aktivní hardwarové prvky počítače (procesor, paměť). Paměť je dále společná pro procesorem zpracovávané softwarově realizované instrukce a příslušná binárně kódovaná data. Počítač založený na von Neumannově modelu pracuje sekvenčně13).
  • Software – soubor programů ovládajících počítače k zajištění jeho výpočetní činnosti za účelem plnění konkrétních úkolů. Nejdůležitějším prvkem softwaru je algoritmus, přesný determinovaný postup jednotlivých instrukcí realizovaný v konečném počtu kroků. Algoritmus je myšlenkový model řešení problému transformovaný do digitální podoby kompilací zápisu v konkrétním programovacím jazyce a fyzicky realizovaný krok za krokem prostřednictvím počítačového procesoru.

Dnešní informatika tedy poskytuje univerzální výpočetní stroj provádějící rychlé algebraické operace se syntakticky uchopenou informací implementovaný v sekvenční von Neumannově architektuře. Většina lidí se domnívá, že počítač je stroj na zpracování informací. Ve skutečnosti tomu tak není – nynější obvyklý počítač pouze manipuluje s binárně kódovanými symboly, ze kterých se skládají data nesoucí informace po své interpretaci člověkem – tyto počítače jsou pouze stroje na zpracování dat. Počítač o světě kolem sebe nic neví a bez lidí zadávajících a konzumujících data je k ničemu. Proto i stávající informatika plní pouze obslužnou roli a vzhledem ke komplexnosti firemních procesů se někdy stává bariérou firemních inovací.

Obvyklá informační architektura tedy umožňuje digitálně kódovat a dekódovat data, ale klíčovým prvkem je zde software oddělený od hardwaru, a to ve smyslu jak výpočetní jednotky pro podnikový software, tak i vlastních výrobních zařízení (OT – provozních technologických zařízení). Stroje a výrobní linky jsou řízeny programovatelnými logickými automaty (PLC) a o světě kolem sebe také nic nevědí. Z hlediska paradigmatické změny zde přistupuje další problém, kterým je von Neumannovo omezení: vzhledem k sekven­čnímu zpracování instrukcí a relativní pomalosti přenosu dat a instrukcí z paměti do procesoru je problém se zpracováním tokových dat generovaných výrobními systémy. Je proto nutné hledat architekturu alternativní – a to jak výpočetní, tak výrobní.

 

3. Inspirace biologií, umělou inteligencí a středověkou metafyzikou

K nalezení této alternativní architektury mohou pomoci tři vhledy. První bude orientován biologicky, druhý se zaměří na získání inspirace ze současného vývoje umělé inteligence a třetí se vrátí ke středověkému předmechanickému metafyzickému vědění.

Na rozdíl od novověkého přírodovědce14) je pro ředitele firmy čas fundamentální veličinou – není-li s přidělenými zdroji v určitém čase možné generovat pozitivní tok hotovosti, firma zaniká. To je v rozporu s matematickým uchopením skutečnosti – matematické rovnice jsou ve velké většině reverzibilní. Kritéria živostnosti a časovosti jsou důležitá pro živé organismy. Ty se rodí, žijí a umírají. Existuje tu „šipka života“ – určitě člověku není jedno, zda je živý, či mrtvý. Život, na rozdíl od matematických formulí, není reverzibilní. Věda zabývající se životem se nazývá biologie. Pro tuto vědu představuje právě „informace“ základní odlišení od neživé hmoty a ústřední bod existence živého organismu: „Aby živé organismy fungovaly efektivně jako složité a organizované systémy, musí neustále shromažďovat a používat informace o vnějším světě, v němž žijí, i o svých vnitřních stavech. Když se tyto světy – vnější či vnitřní – změní, potřebuje mít organismus k dispozici prostředky, jak tyto změny detekovat a jak na ně zareagovat. Pokud je nemá, nejspíš ho nečeká moc dlouhá budoucnost… Všechny organismy udržují a organizují samy sebe, rostou a rozmnožují se. To jsou účelná chování, která se vyvinula proto, že zvyšují šanci živých bytostí dosáhnout svého hlavního cíle, jímž je zajistit přežití své i svých potomků.“15) Fenoménem života se ve své kritice neodarwinistického paradigmatu zabývá důsledně Jiří Vácha. Ten postuluje jako základní princip života prožívání s tím, že niternost živých bytostí vylučuje jejich mechanistický charakter. Spolu s Hansem Jonasem poukazuje na vliv vědomé mysli na tělo a na neudržitelnost, ba absurdnost tvrzení, že vědomí neovlivňuje své průběhy a dění ve vnějším světě. Živé organismy se udržují samy sebou, jejich celistvost je integrována v aktivním výkonu a forma je – v protikladu k neživé materii – více příčinou než důsledkem materiálních daností svého okolí16). Živý organismus je orientován účelově – teleologicky – a ve své autonomii díky určité úrovni vědomí17) aktivně vstupuje do vztahů se svým prostředím.

Při hledání nového výrobního paradigmatu – a následně nového paradigmatu výkladu světa – se díky biologii vynořují dva fenomény, které překračují striktní scientistický redukcionismus – „informace“ jako existen­ční základ živého organismu a „vědomí“ jako základ určité autonomie nutné pro přežití.

Dalším východiskem pro nové průmyslové paradigma je obor umělé inteligence (AI). V jeho rámci dochází ke kombinaci matematiky, práce s daty a informatiky s poznatky biologického výzkumu (struktura mozku a neuronové sítě). Obor je zaměřen především na konstrukci syntetických racionálních agentů plnících specifické cíle. Existují dva základní přístupy realizace těchto agentů – v prvním případě jsou konstruovány na logických základech a díky manipulaci se symboly dosahují svých jednoznačných cílů. Pozdější, neuromorfně inspirované agenty, založené na teorii pravděpodobnosti, strojovém učení a počítačově modelovaných neuronových sítích, jsou dokonce schopny dosahovat relativně optimálních výsledků i v nejednoznačném prostředí. AI je tedy zaměřena na konstrukci agentů, které dělají správné věci – toto je standardní model AI18). Problémem je, že v komplexních prostředích standardní model plně nefunguje – výpočetní požadavky na totální matematizaci agentního prostředí a algoritmického vyhledání vždy optimální akce jsou relativně nedostatečné. Obě formy umělé inteligence však zatím nedisponují něčím, co by bylo možné nazvat strojovým vědomím – nevědí toho mnoho o sobě a o svém prostředí ve vztahu k orientujícím hodnotám. Nicméně matematické modelování neuronů, základních stavebních prvků lidského mozku, jako klíčových elementů pro hluboké strojové učení, přináší značné úspěchy při řešení dílčích úloh19). Lidské neurony pracují v mozku podobně jako tranzistory v procesoru počítače – fungují na základě dvou stavů: buď jsou aktivovány, anebo ne. Průkopníci AI se soustřeďují především na napodobení struktury mozkové kůry, neboť: „neokortex je zodpovědný za senzorické vnímání, rozpoznávání všeho od vizuálních objektů k abstraktním konceptům, kontrolu pohybů, uvažování – od prostorové orientace k racionálním konceptům a k řeči –, tedy za to, co člověk považuje za myšlení20). Hodnotovou orientací ve smyslu naplňování cíle (např. vítězství v počítačové hře) se zabývá rychle se rozvíjející oblast deep reinforcement learning. Neuromorfní inspirace je dalším prvkem do mozaiky nového průmyslového paradigmatu.

Třetím momentem, spojujícím dva předcházející, se může stát návrat ke středověké aristotelsky inspirované filozofii. V druhé části bylo již uvedeno, že novověká věda redukovala skutečnost na jednu substanci – empiricky zkoumatelnou hmotu řízenou matematicky formulovanými fyzikálními zákony. Tato velká redukce byla umožněna radikálním zjednodušením přístupu ke změně, základnímu fenoménu dnešní výroby (za pomoci zdrojů měním vstupy na užitečnější výstupy). V novověkém pojetí, již od Galilea, je univerzální příčinou změny matematicky rekonstruovatelný pohyb, a jak bylo ukázáno, ten je základem chápání skutečnosti jako rozpohybovaného mechanismu. Toto pojetí vede k redukci komplexní příčinnosti na pouhou příčinu účinnou a tím umožní dogmatizaci jednoho aspektu skutečnosti (matematičnost) jako skutečnosti samé – pravé skutečnosti jediné skutečné.

Aristoteles naproti tomu definuje hned čtyři příčiny změny. Galileo sice přesně kritizuje Aristotelovo nesprávné pochopení pohybu padajících těles, ale Aristoteles chápe změnu především bio-logicky a klade důraz na příčinu účelovou, finální. Zajímá jej tedy otázka o cíli a smyslu pohybu – k čemu pozorovaná změna vede? Změna je započata příčinou účinnou a projevuje se prostřednictvím změny formy na látce. Tento komplexnější pohled vede k Aristotelově hylemorfismu – tedy neoddělitelnému propojení formy a látky jako základu empiricky vnímatelné skutečnosti. Látka zde je to, z čehož hmotná věc je – nicméně vždy disponuje již jistou formou (např. tkáň je základem organismu a jako sekundární látka se skládá ze základnějších elementů – z buněk, molekul atd.) formující hierarchicky prvotní látku. První látka tak tvoří ontologický základ jakéhokoliv materiálu, jakékoliv věci – nejelementárnější základ hmotné skutečnosti, přičemž první látka nemůže existovat sama o sobě, neboť není určitá. První látka recipuje formu, je potencí vzhledem k formám jako svým aktům. Každá věc je určena formou a každá věc naplňuje organicky svůj potenciál na základě účelové příčiny. Účinná příčina je v tomto kontextu pouhým započetím realizace organismu. Protějškem látky je forma. Forma, která určuje první látku, se nazývá forma substanciální. Substanciální forma, spolu s formující první materií, vytváří relativně autonomní prvek skutečnosti – substanci. V realitě se člověk setkává se substancemi – jsoucny, která jsou schopna samostatné existence, a se jsoucny, která samostatné existence schopná nejsou – s akcidenty. Na rozdíl od monismu, který chápe svět jako jednu fundamentální skutečnost a lidi jako pouhé akcidenty, se dostane diferencovaný obraz, kde mohou jednotlivé substance (např. Sokrates je substance, jeho moudrost je akcident) rozhodovat o svých činech, a dokonce nést za své činy zodpovědnost. Důležité je, že velký aristotelik středověku svatý Tomáš Akvinský označuje substanciální formu, kterou je konstituována živá bytost, termínem „duše“.

Je-li duše substanciální formou těla, znamená to, že živé tělo nemůže existovat bez duše. Mrtvé tělo už není ani člověkem či jiným živočichem, podléhá rozkladu. Život se projevuje uplatňováním vitálních schopností, které jsou pro každý typ substanciální formy určité. Charakteristické schopnosti má substance především díky svému typu substanciální formy – její esenci. Materie je v tomto ohledu podružná. Díky různým typům substanciální formy je tedy možné rozeznávat různé typy „duší“ s různými vitálními schopnostmi. Lze rozlišit duše pouze s vegetativními schopnostmi (duše rostlin), duše s vegetativními a smyslovými schopnostmi (živočichové) a duše navíc se schopnostmi intelektivními, jako jsou rozum a vůle (člověk). Toto pojetí velmi diferenciovaně (a podle mého názoru adekvátněji) nahlíží problém vědomí. Různé typy schopností – smyslů hierarchicky určují stupeň „oduševnělosti“ té které substanciální formy a velmi subtilně rozlišují různé typy vnímání do vědomí vstupujícího21). Na rozdíl od novověkého přístupu – deterministického monismu či striktního dualismu rozpolcené karteziánské reality (k zopakování: mechanická rozprostraněná skutečnost a mimoemepirické myslící „já“), zde pojem duše jako formy živé skutečnosti odpovídá pohledu na život jako na strukturovanou „informaci“, která je sice neempirická, nicméně bez materie samostatně neexistující, byť myslitelná. Tento biologický pohled na duši též odpovídá na otázku vědomí – duše je zde základem pro vědomí a uvědomování si.

Jestliže čtenář dočetl až sem, jistě se ptá, co mají uvedené vhledy společného s průmyslem. S jeho aktuální podobou téměř nic – lze ale díky nim navrhnout novou podobu průmyslu. Nové „továrny“ by měly být inspirovány životem a disponovat určitým vědomím, toto vědomí by mělo být konstituováno prostřednictvím „duše“ jako formy výrobního prostředí a mělo by být schopno na základě předvídání adekvátně reagovat na ekonomické, ekologické a energetické limity trhu. Je něco takového možné?

 

4. Biomorfní paradigma – nová podoba průmyslu pro 21. století

Autor se domnívá, že něco takového možné je, přičemž nová – životu podobná, tedy biomorfní továrna vznikne kombinací technických a „pěstitelských“ dovedností, a že strojové vědomí je klíčovým fenoménem pro její realizaci. Při své praxi ve firmě Cerebrica se její odborníci soustřeďují na hledání cesty, jak strojového vědomí dosáhnout.

Prvním jejich východiskem je způsob konsolidace dat z reálného světa v „kyber-fyzickém“ prostoru. Jde o expertní systém22) regulující způsob práce s daty reálného světa, umožňující kontinuální zpracování tokových dat ve vzájemných souvislostech a s vnitřní sémantikou (strukturálně definovaným významem). Toková data digitálně v potřebné granularitě podávají informaci o reálných tocích ve firmě či výrobním celku. Jde o tyto reálné toky:

  • materiálový – jde-li o fyzický produkt, je tento tok hlavním tokem – od vstupního materiálu přes polotovary ke konečnému výrobku,
  • nastavení a práce strojů – možným zdrojem velkých úspor je koordinace a optimalizace toku práce výrobního systému ve vazbě na přenastavování strojů v celkovém procesním kontextu,
  • role a práce lidí – optimalizace toku práce lidí vzhledem k jejich kompetencím tak, aby byla ošetřena rizika s tímto související,
  • informační – informační tok koordinuje ve výrobním systému s fyzickým produktem tok práce strojů a lidí, v nevýrobních systémech jde o nejdůležitější tok,
  • kapitálový – díky kyber-fyzickému přístupu je možné precizně sledovat „tok financí“ realizovaný ostatními toky,
  • energetický – jde o podpůrný tok, nabývající však stále větší důležitosti.

Pro ekonomický celek definujme čtyři základní dimenze kyber-fyzického prostoru:

  • procesně logická, v níž se definuje základní logika toků – klade se „datové potrubí“,
  • prostorová, která je určena k zachycení entit a jim odpovídajících toků v prostoru,
  • časová, která je určena k modelování aktivit v čase – možných variant v budoucnosti (prediktivní funkce) a ukládání historie,
  • finanční – klíčová dimenze k optimalizaci celého kyber-fyzického systému.

V těchto dimenzích se modelují uvedené toky prostřednictvím „datových potrubí“ odpovídajících těmto tokům a entit tyto toky obsluhujících. Jde především o tyto entity:

  • lidé a jejich role – lidé mají validované schopnosti pracovat v konkrétních rolích,
  • neživá fyzická zařízení – stroje, logistické prvky, energetické prvky,
  • budovy – vytvářejí pracovní prostor,
  • informační systémy – stávající IS uchovávající data především v relačních databázích a rozhraní těchto systémů; naproti tomu přístup firmy Cerebrica je neinvazivní – využívá všechny stávající systémy jako zdroje dat kyber-fyzického prostoru.

Díky konkrétně modelovanému kyber-fyzickému prostoru vzniká stavový prostor pro datové toky a pro rozhodovací a řídicí akce. Lze říci, že vzniká datový prostor pro vnímání a ovlivňování vnějšího světa. Ten je množinou možných hodnot definující stav fyzické části výrobního systému v určitém čase či v časovém intervalu – konfigurace systému. Tento stavový prostor reprezentuje celý výrobní systém a tvoří prostředí pro agent (popř. několik agentů)23), „mozek systému“ se schopností učit se a hledat optimální chování na základě definovaných kritérií úspěšnosti (odměna agentu)24). Agent vnímá své prostředí v celku na základě modelovaných „datových potrubí“ a jimi procházejících datových toků. To je jeho základní výhodou – na rozdíl od lidských smyslů může vnímat tisíce digitalizovaných proměnných paralelně a na základě svého vnímání pak může optimalizovat reálné svěřené materiálové a pracovní toky. Po konkrétní implementaci do výrobního prostředí se modelovaný kyber-fyzický prostor propojí se senzory a datovými toky a vzniká tak integrovaný jedinečný kyber-fyzický systém. Ten propojuje fyzické a datové komponenty do jednoho unikátního celku – lze jej metaforicky označit za „strojovou duši“, „substanciální formu systému“ schopnou participace na ekonomických aktivitách a tím i na ekonomické hodnotě v širším kontextu. Kyber-fyzický systém disponuje díky zachycené historii svého chování a modelům budoucího chování vlastní subjektivitou. Modely budoucího chování jsou využívány k hledání co nejefektivnější hodnotové konfigurace výrobních komponent, neboť konkrétní kyber-fyzický systém si díky participaci na tvorbě ekonomické hodnoty uvědomuje dopady svých rozhodnutí a svého jednání na hodnotu vlastních výstupů. Ve společnosti Cerebrica se domnívají, že lze mluvit o strojovém vědomí, neboť díky kyber-fyzickému pojetí se z výrobního mechanismu stává učící se kyber-fyzický systém s organickými rysy schopný relativně autonomně naplňovat člověkem určené cíle. Strojové vědomí v jejím pojetí není algoritmicky konstruováno, nýbrž vzniká jako soubor konstelací datových topologií a příslušných strojových nastavení a aktivit s cílem dosažení vyššího stupně efektivity než dosavadní mechanické stroje ovládané lidmi. Takto se vize biomorfní ekonomiky může stát realitou.

 

Zdeněk Havelka, Cerebrica

 

1)   Inteligence (z lat. inter-legere, rozlišovat, poznávat, chápat) je dispozice pro myšlení, učení a adaptaci a projevuje se intelektovým výkonem. Spolu s osobností tvoří zásadní zdroj individuálních rozdílů. Přestože největším faktorem v inteligenci zvířat a člověka je počet synapsí v mozku, některé známky, které jsou s inteligentními bytostmi běžně spojovány, jako učení či sebereflexe, mohou vykazovat i v současnosti existující počítače nebo organismy vůbec postrádající centrální nervovou soustavu. (https://cs.wikipedia.org/wiki/Inteligence, dne 27. 9. 2021)

2)   Aristoteles definuje tyto příčiny změny: materiální, formální, účinná a účelová.

3)   Petr Vopěnka: Úhelný kámen evropské vzdělanosti a moci; Práh, Praha, 2000, s. 468–469; o tom, jak teoretická konstrukce zavalila vlastní jev a jak došlo ke geometrizaci reálného světa, jsou Třetí rozpravy s geometrií, s. 537–828.

4)   „V klasickém geometrickém prostoru byla vystavěna nosná kostra reálného světa. Byla to stavba dokonalá a krásná, přirozeně vyrostlá nad geometrickým světem a tak ústrojně na něj navazující, jako kdyby byla vystavěna již v antice. Díky ní se přírodověda stala vědou, jež si v ničem nezadala se svým nedávno ještě nedostižným vzorem: geometrií. Byla to však též stavba, jež tomu, kdo se s ní seznámil, dovolovala pronikat pouhým rozumem do jinak nedostupných tajů hry sil a jejich působení na pohyby a přetváření těles… Následkem toho se přírodověda opírající se o Newtonův mechanistický svět stala vědou činnou, nárokující si dalekosáhlé překročení svého původního záměru, jímž bylo pouhé poznání řádu reálného světa.“ Petr Vopěnka: Úhelný kámen evropské vzdělanosti a moci. Souborné vydání rozprav s geometrií; Práh, Praha, 2000, s. 699.

5)   I vědec, který odvážně mapuje hranice vědeckého poznání a promýšlí „nevědeckou“ otázku možnosti reinkarnace, píše: „Nevím, jak by to fungovalo. Musel by existovat nějaký mechanismus, který by přenesl mé vědomí nebo moje vzpomínky do příštího života. Pokud něco takového nenajdeme v kvantové fyzice, a o ní nevím tolik, abych o tom mohl mluvit, nevidím pro to žádný důkaz.“ Marcus du Sautoy: Co nemůžeme poznat. Výprava na hranice vědění; Argo/
/Dokořán, Praha, 2019, s. 286.

6)   Autor příspěvku načerpal své fyzikální znalosti především z popularizačních publikací a není kompetentní k postulování principů „nové“ fyziky (stejně tak není kompetentní v biologii a neurologii) – prezentované vhledy a názory slouží k hledání teoretických základů nového výrobního paradigmatu.

7)   Hans Christian von Baeyer: Das informative Universum. Das neue Weltbild der Physik; Verlag C. H. Beck, München, 2005, s. 34.

8)   Tom Stornier: Informace a vnitřní struktura vesmíru; BEN – technická literatura, Praha, 2002, s. 23–29.

9)   Masová sériová výroba je minulostí – i v automobilovém průmyslu jde výrobci o širokou konfigurovatelnost konečného produktu a jeho dodání zákazníkovi v co nejkratším čase.

10) L. Koenig, F. Pfeiffer-Bohnen, H. Schmeck: Theoretische informatik – ganz praktisch; De Gruyter, Oldenbourg, 2016.

11) C. E. Shannon, W. Weaaver: The mathematical theory of communication; Univesity of Ilionois Press, Urbana and Chicago, 1949, reprint 1998.

12) O Shannonově teorii informace mluví např. tito autoři: J. Vaníček, M. Papík, R. Pergl, T. Vaníček: Teoretické základy informatiky; Kernberg Publishing, Praha, 2007, s. 149–151.

13) Martin Davis: Engines of logic; W. W. Norton & Company, New York, 2000 s. 180–187.

14) „Čas není fundamentální veličina, ale jen emergentní vlastnost.“ Marcus du Sautoy: Co nemůžeme poznat. Výprava na hranice vědění; Argo/Dokořán, Praha, 2019, s. 241.

15) Paul Nurse: Biologie v pěti lekcích; Argo/Dokořán, Praha, 2021, s. 89–90.

16)  Jiří Vácha: Meze darwinismu; Masarykova univerzita, Brno, 2020, s. 33.

17)  „Rozlišující konání i těch nejjednodušších forem života předpokládá rozlišující vědomí – i když třeba jen v zárodečné formě. Život živé přírody je – stejně tak jako život lidský – napjat v polaritě bytí a nebytí, bytí sebou a bytí světa, formy a látky, svobody a nutnosti. To znamená zavést znovu hodnoty a subjektivitu jako nezbytné organické fenomény. Tím, že organismus si přeje pokračovat, prohlašuje sám sebe za hodnotu.“ tamtéž, s. 32.

18) Stuart Russell, Peter Norvig: Artificial Intelligence. A Modern Approach; Fourth Edition, Pearson, Harlow, 2021, s. 22; tato kniha je asi nejlepším úvodem do problematiky umělé inteligence.

19) Terrence J. Sejnowski: The Deep Lerning Revolution; The MIT Press, Cambridge, Massachusetts, 2018, s. 171–194.

20) Ray Kurzweil: How to create a Mind. The Secret of Human Thought revealed; Viking, New York, etc., 2012, s. 35. V této knize Kuzweil přemýšlí o reverzním inženýrství lidského mozku proto, abychom prý pochopili, kdo jsme (s. 265).

21) K tématu především David Peroutka: Tomistická filosofická antropologie; Krystal OP, Praha, 2012, s. 34–69.

22) Ten vychází z výrobní ontologie. I zde se nezapřou filozofické inspirace (ontologie jako filosofická disciplína, součást metafyziky) zabývající se obecnými a nejzákladnějšími strukturami jsoucna, nicméně v oblasti umělé inteligence je tento přístup taktéž využíván, viz např.: V. Mařík, O. Štěpánková, J. Lažanský a kolektiv: Umělá inteligence (6); Academia, Praha, 2013, či Jan L. G. Dietz: Enterprise Ontology. Theory and Methodology; Springer-Verlag, Berlin, Heidelberg, 2006.

23) K tématu multiagentních systémů např.: Multiagent Systems, edited by Gerhard Weiss, The MIT Press, Cambridge Massachusetts, London England, 2013, či V. Mařík, A. Schirrmann, D. Trentesaux, P. Vrba (Eds.): Industrial Applications of Holonic and Multi-Agent Systems; Springer, Cham, Heidelberg, New York, Dordrecht, London, 2015.

24) K tématu reinforcement learningu např.: L. Graesser, Wah Loon Keng: Foundation of Deep Reinfororcement Learning; Addison-Wesley, Boston, etc., 2020, či P. Winder, Ph.D.: Reinforcement Learning. Industrial Applications of Intelligent Agents; O´Reilly Media, Sebastopol, 2021.